用途
Conversation Memory 是一份用于构建和改进销售机器人记忆能力的技能指南。当用户希望让销售机器人能够引用同一渠道内以及跨渠道的历史互动，从而形成连贯、有上下文的对话时，可使用该技能。它也适用于用户提到相关记忆、上下文延续、跨渠道一致性等话题的场景。
主要能力
该技能围绕销售机器人记忆系统的设计展开，主要内容包括：
核心原则
- 记忆创造关系：记住等于表达关心，遗忘等于每次重新开始，有助于建立信任与融洽关系。
- 在正确的时间提供正确的信息：不要回忆所有内容，只呈现相关内容，做到上下文适配的回忆。
- 准确性至关重要：错误的记忆比没有记忆更糟，不确定时需验证，保持数据新鲜。
- 尊重隐私：判断哪些适合记住、哪些应被遗忘，并遵守数据处理合规要求。
记忆类型
- 会话记忆（对话内）：记住当前对话中的全部内容、已问已答的问题、表达的意图、情绪走向、当前对话状态；持续到对话结束。
- 短期记忆（近期历史）：记住最近几次互动、近期问答、待跟进事项、上次对话结果；持续数天到数周。
- 长期记忆（关系历史）：记住完整互动历史、表达的偏好、重要日期/事件、关键决策及原因；持续整个关系周期。
- 跨渠道记忆：记住跨邮件、聊天、短信、电话的互动，形成统一的关系视图与渠道偏好。
应记住的信息
- 必要记忆：联系人基础信息（姓名、联系方式、公司、角色、称呼偏好）；对话上下文（已告知内容、已提问内容、已提供答案、已做出的承诺）；状态（旅程阶段、最后动作、下一步预期）。
- 有价值记忆：偏好（沟通风格、渠道偏好、时区、互动频率偏好）；历史（过往购买、支持问题、反馈、推荐）；关系（关键日期如周年/续约、提到的利益相关者、竞争背景、分享的个人细节）。
- 风险记忆：敏感信息、表达的个人观点、对个人的投诉、分享的机密信息；需考虑对方是否预期被记住、引用是否合适、是否可能适得其反。
记忆架构
提供数据模型示例，包含联系人档案的 identity、conversation_history、memory_store、state 等字段；并给出记忆操作示例：存储（storeMemory）、检索（getRelevantMemory）、更新（updateMemory）。
在对话中使用记忆
- 上下文回忆：自然引用，例如“您上次提到预算审批还在进行中，有更新吗？”；避免过度回忆，不要一次性罗列所有已知信息。
- 记忆驱动的回复：根据历史调整，不重复已问问题、尊重已表达偏好、对过往问题保持敏感。
- 记忆缺口：信息不确定时主动确认，信息缺失时不要假装知道，自然询问。
跨渠道记忆
- 统一视图：挑战是客户通过聊天、邮件、电话等多渠道互动；解决方案是单一记忆存储、渠道感知。实现方式包括跨渠道统一联系人 ID、将互动合并为统一时间线、渠道适配的回忆。
- 渠道上下文：记住各渠道特性（聊天为会话式实时、邮件为线程式异步、短信简短即时、电话丰富个人化），并恰当使用。
记忆维护
- 数据新鲜度：为所有记忆打时间戳、随时间衰减置信度、重新验证重要事实、归档旧数据；提供 shouldVerify 示例逻辑。
- 冲突解决：优先近期而非旧数据、优先显式而非推断、优先高置信度而非低置信度、关键时询问验证。
- 遗忘：在明确请求、信息无关、隐私要求、数据保留政策等情况下遗忘。
隐私与合规
- 判断标准：对方是否提供了该信息、是否预期被记住、使用是否合适、是否符合法规。
- 数据权利：支持访问权（展示已知内容）、更正权（修正错误数据）、删除权（按要求遗忘）、可携带权（导出数据）。
- 合规：GDPR/CCPA 相关考量，包括存储的合法依据、目的限制、数据最小化、存储限制。
实现模式
- 记忆注入：在生成回复前获取相关记忆、注入提示/上下文、生成回复、抽取并存储新记忆。
- 记忆抽取：每次互动后从对话中抽取事实并存储，更新状态（最后互动时间、最后渠道、对话结果）。
效果度量
- 质量指标：准确性（记忆正确率、错误回忆率、验证频率）；覆盖度（有相关记忆的互动占比、记忆利用率、缺口识别）。
- 体验指标：参与度（重复提问率越低越好、客户满意度、对话效率）。
- 业务指标：转化影响、支持工单减少、关系持续时间。
常见错误
- 没有记忆：每次对话从零开始；修复方式是实现基础的会话与短期记忆。
- 记忆过多：回忆过载、令人不适；修复方式是选择性、上下文适配的回忆。
- 记忆过时：引用过时信息；修复方式是打时间戳并刷新数据。
- 记忆错误：混淆客户、事实错误；修复方式是验证与冲突解决。
- 记忆孤岛：各渠道记忆分离；修复方式是统一记忆存储。
使用方式
该技能以指南形式提供，用户可依据其中的原则、架构示例、代码片段（如 storeMemory、getRelevantMemory、updateMemory、shouldVerify、generateResponse、extractAndStoreMemory）和度量指标来设计或改进销售机器人的记忆系统。文档还列出需要进一步澄清的问题，例如机器人运行渠道、典型客户关系时长、使用的 CRM/数据系统、客户抱怨重复的内容、适用的隐私/合规要求。
适用场景
适用于需要为自动化销售机器人设计记忆系统的团队，尤其是涉及多渠道互动、较长销售周期、需要跨会话保持上下文一致性的场景。
限制
该资料为设计指南，未提供具体产品的收费、价格、平台或效果数据；实际实现需结合具体技术栈与合规要求。相关技能包括 personalization-at-scale、multi-channel-coordination、data-enrichment-integration、conversational-flow-management。